目标检测-R-FCN
Posted wyx501
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了目标检测-R-FCN相关的知识,希望对你有一定的参考价值。
1、R-FCN结构
适应全卷积化CNN结构,提出全卷积化设计
共享ResNet的所有卷积层
引入变换敏感性(Translation variance)
1、位置敏感分值图(Position-sensitive score maps)
特殊设计的卷积层
Grid位置信息+类别分值
2、位置敏感池化(Position-sensitive RoI pooling)
无训练参数
无全连接网络的类别判断
位置敏感卷积层:使用k^2(C+1)个通道对(位置,类别)进行组合编码
类别:C个物体类+1个背景类
相对位置:K*K个Grid
位置敏感RoI池化层:显式地编码相对位置信息
R-FCN的Score map的可视化
2、R-FCN的训练
OHEM(Online Hard Example Mining)
首先对RPN获得的候选ROI(正负样本分别进行排序)进行排序操作;
然后在含有正样本(目标)的ROI中选择前N个ROI,将正负样本的比例维持在1:3的范围内,保证每次抽取的样本中都会有一定的正样本
这样训练可以提高网络的分类能力
Faster R-CNN的4步训练法
2轮:RPN跟R-FCN交替训练
以上是关于目标检测-R-FCN的主要内容,如果未能解决你的问题,请参考以下文章